【正文】 ,隨著VLSI技術(shù)的發(fā)展,模擬IC的設(shè)計技術(shù)有了巨大的提高,模擬IC的速度可以比數(shù)字IC的速度提高很多倍,尤其是集成電路朝著深亞微米工藝的發(fā)展, HZ。對鎖相環(huán)的工作原理有一個清晰的認識。神經(jīng)網(wǎng)絡(luò)技術(shù)將人腦神經(jīng)系統(tǒng)結(jié)構(gòu)和功能作為模擬對象，把人的智能歸結(jié)為腦的高層神經(jīng)網(wǎng)絡(luò)活動的結(jié)果，認為智能活動是大量簡單的神經(jīng)細胞通過復雜的相互連接形成網(wǎng)絡(luò)后并行運行的結(jié)果，使其更接近人腦的自組織、自學習和感知功能。主要參考書目(資料)主要參考書目(資料)1．李國勇. 智能控制及其Matlab實現(xiàn). 北京: 電子工業(yè)出版社, 2000主要儀器設(shè)備及材料用于計算、編程、打印論文的計算機一臺，并安裝有相關(guān)軟件。第7周第10周 設(shè)計并調(diào)試編程，分析其優(yōu)點與不足。開始日期2011年01月10完成日期2011年06月27院（系）主任(簽字)2006年月日西 安 郵 電 學 院畢 業(yè) 設(shè) 計 (論文) 工 作 計 劃 2011 年 3 月 14 日 學生姓名___蔡超超 __指導教師__ 王輝___職稱___副教授___系別_____ 自動化學院_____ _專業(yè)___ 智能科學_____ _題目_________ 模糊神經(jīng)和模糊聚類的MatLab實現(xiàn) _______________________________________________________工作進程_______________________________________________起 止 時 間工 作 內(nèi) 容第1周第2周 查閱模糊神經(jīng)和模糊聚類的相關(guān)資料，了解Matlab軟件及其功能。本題目應(yīng)完成以下工作：了解神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的基本概念、相關(guān)理論和主要應(yīng)用。本人完全清楚本聲明的法律后果，申請學位論文和資料若有不實之處，本人愿承擔相應(yīng)的法律責任。論文作者簽名： 時間： 年 月 日指導教師簽名： 時間： 年 月 日西 安 郵 電 學 院畢業(yè)設(shè)計(論文)任務(wù)書學生姓名蔡超超指導教師王輝職稱副教授院（系）自動化學院專業(yè)智能科學與技術(shù)題目模糊神經(jīng)和模糊聚類的Matlab實現(xiàn) 任務(wù)與要求神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的特性差異較大，但都屬于無模型的估計器和非線性動力學系統(tǒng)。熟悉MATLAB軟件的使用方法與功用。完成開題報告。準備后期檢查。論文(設(shè)計)過程中教師的指導安排每周檢查一次，并經(jīng)常聯(lián)系，進行答疑輔導。模糊的長處在于邏輯推理，而神經(jīng)網(wǎng)絡(luò)的長處在于其自學習功能，二者結(jié)合既能彌補各自不足，又能發(fā)揮各自的長處，使其應(yīng)用更加廣泛。對鎖相環(huán)的結(jié)構(gòu)要深入到內(nèi)部的每一個晶體管。從使用的工具上看,完成本課題也是可以的,再完成本課題的過程中使用了HSPICE仿真工具和CANDNCE等EDA仿真工具, SUN工作站, ,完全可以滿足高速PLL設(shè)計的要求。指導教師(簽字)：　蔣林　　 2006 年 03 月 15 日說明：本報告必須由承擔畢業(yè)論文(設(shè)計)課題任務(wù)的學生在畢業(yè)論文(設(shè)計) 正式開始的第1周周五之前獨立撰寫完成，并交指導教師審閱。而神經(jīng)網(wǎng)絡(luò)則可直接從樣本中進行有效的學習，它具有并行計算、并行式信息存儲、容錯能力強以及具備自適應(yīng)學習功能等一系列優(yōu)點。本課題首要介紹了神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)的基本理論、算法模型、網(wǎng)絡(luò)結(jié)構(gòu)和程序?qū)崿F(xiàn)方法，然后闡述了利用MATLAB實現(xiàn)模糊神經(jīng)網(wǎng)絡(luò)的基本思想。通過樣本學習獲取知識，能夠自身適應(yīng)環(huán)境變化更新知識，發(fā)展知識，實時處理動態(tài)多變，無明確數(shù)學模型的非結(jié)構(gòu)性復雜問題。最主要的是模糊神經(jīng)網(wǎng)絡(luò)擴大了系統(tǒng)處理信息的范圍，使系統(tǒng)可同時處理確定性信息和非確定性信息。本課題基于模糊神經(jīng)和模糊聚類的結(jié)合，利用matlab工具來實現(xiàn)，并以水質(zhì)預(yù)測的例子來詳細說明。利用神經(jīng)網(wǎng)絡(luò)預(yù)測時，首先用訓練樣本建立映射關(guān)系，然后用檢測樣本檢驗網(wǎng)絡(luò)能否給出正確的輸入輸出的關(guān)系。神經(jīng)網(wǎng)絡(luò)理論也已成為涉及多學科的新興的、綜合的、前沿的學科。此模型沿用至今，并且直接影響著這一領(lǐng)域研究的進展。 50年代末，F(xiàn)后來，在此基礎(chǔ)上發(fā)展了非線性多層自適應(yīng)網(wǎng)絡(luò)，而它實際上就是一種人工神經(jīng)網(wǎng)絡(luò)模型。每個神經(jīng)細胞（也稱神經(jīng)元）。軸突的作用主要是傳導信息，它將信息從軸突的起點傳到軸突末梢，軸突末梢與另一個神經(jīng)元的樹突或細胞體構(gòu)成一種突觸的機構(gòu)。 代表神經(jīng)元i與神經(jīng)元j之間的連接強度(模擬生物神經(jīng)元之間突觸連接強度)，稱之為連接權(quán)。嚴格來說，神經(jīng)網(wǎng)絡(luò)是一個具有如下性質(zhì)的有向圖。其中有一種用誤差傳播學習算法（Error Back Propagation即BP算法）進行訓練的多層前饋神經(jīng)網(wǎng)絡(luò)，簡稱為BP網(wǎng)絡(luò)。網(wǎng)絡(luò)上某一處不是只存儲一個外部信息，而是存儲了多個信息的部分內(nèi)容。4)較強的魯棒性和容錯性BP神經(jīng)網(wǎng)絡(luò)分布式的信息存儲方式，使其具有較強的容錯性和聯(lián)想記憶功能，這樣如果某一部分的信息丟失或損壞，網(wǎng)絡(luò)仍能恢復出原來完整的信息，系統(tǒng)仍能運行。第二階段是反向傳播過程，若在輸出層未能得到期望的輸出值，則逐層遞歸計算實際輸出與期望輸出之間的差值，根據(jù)此誤差修正前一層權(quán)值使誤差信號趨向最小。BP算法采用梯度法調(diào)整權(quán)值，每次調(diào)整的量、式中01,稱為學習速率，它決定每一次訓練中的權(quán)值變化大小。BP網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、可操作性強、能模擬任意的非線性輸入/輸出關(guān)系等優(yōu)點，目前已被廣泛應(yīng)用于模式識別、智能控制、預(yù)測、圖像識別等領(lǐng)域。BP算法的另一個缺陷是收斂速度慢，當采用梯度下降法時步長不容易確定，步長太長則達不到精度，甚至會發(fā)散。 BP神經(jīng)網(wǎng)絡(luò)收斂速度的改進方法 1)　 激活函數(shù)的選取BP 網(wǎng)絡(luò)神經(jīng)元節(jié)點的激活函數(shù)選用對數(shù)S 型函數(shù),即: (1)式中, I 表示輸入權(quán)值總和(包括閾值) , O表示神經(jīng)元輸出。另外, n = 0 時即第一次的調(diào)整假設(shè)α= 0。這時可以借助于輸出層的誤差來調(diào)整隱層的權(quán)值。這種方法可以使BP 網(wǎng)絡(luò)的收斂速率有很大提高,而且對網(wǎng)絡(luò)的誤識率也有較大改進,體現(xiàn)了改進BP 網(wǎng)絡(luò)的有效性。用大寫字母U、V、X、Y表示。U,都指定了[0,1]閉區(qū)間中的一個數(shù)與之對應(yīng)，它叫做u對A的隸屬度(degree of membership)。而“/”只是分隔符，不表示除。 2） 高斯型隸屬函數(shù) 隸屬函數(shù)曲線如圖(34)所示：隸屬函數(shù)的解析式見式(34)。A與B的交(intersection)，記作A∩B，有：模糊邏輯的真值x在[0,1]中連續(xù)取值，X越接近1，說明真的程度越大。語言可分為兩種：自然語言和形式語言。U是N的論域。在科學研究工作中，最常用的推理方法是演繹推理中的假言推理，其基本規(guī)則是如果已知命題A（即可以分辯真假的陳述句）蘊含B，即A→B（或A則B），如今確為A時，則可得結(jié)論為B，其邏輯結(jié)構(gòu)為：若A，則B。推理合成規(guī)則是假言推理的近似推廣。因為我們用的是兩個輸入，所以在Edit菜單中，選Add variable… input,加入新的輸入input,如下圖所示。在右邊文字文字輸入Name處，填寫隸屬函數(shù)的名稱，例如lt或LT(代表低溫)。見下圖。點擊Edit菜單，選 Add Custom MS…繼續(xù)填入相應(yīng)參數(shù)即可，見下圖。因此,從數(shù)學角度看神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)有著某種天然的相似性。因此,將模糊技術(shù)引入神經(jīng)網(wǎng)絡(luò),可以大大拓寬神經(jīng)網(wǎng)絡(luò)處理信息的范圍和能力。前提和結(jié)論都是模糊集?！∧：窠?jīng)網(wǎng)絡(luò)的研究現(xiàn)狀當前模糊神經(jīng)網(wǎng)絡(luò)的研究主要集中在:模糊神經(jīng)網(wǎng)絡(luò)的學習算法, FNN結(jié)構(gòu)及確定,模糊規(guī)則的提取與細化,模糊神經(jīng)網(wǎng)絡(luò)在自適應(yīng)控制、預(yù)測控制中的應(yīng)用等。而神經(jīng)網(wǎng)絡(luò)模擬人腦形象思維方法，人靠形象思維能很快發(fā)現(xiàn)火災(zāi)，表現(xiàn)出很強的容錯能力。它們都能以一種不精確的方式處理不精確的信息。雖然模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)都用于處理模糊信息，并且存在著許多方面的共性，但其各自特點、適用范圍以及具體做法還是有不小的差別。 目前神經(jīng)元網(wǎng)絡(luò)與模糊技術(shù)的融合方式大致有以下四種(如圖8－11所示)：a) 神經(jīng)元模型和模糊模型的連結(jié)：該模型是模糊控制和神經(jīng)元網(wǎng)絡(luò)二個系統(tǒng)相分離的形式結(jié)合，實現(xiàn)信息處理。“樣本”就是學習的“教師”。模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)是近年來人工智能研究較為活躍的兩個領(lǐng)域。如果將二者有機地結(jié)合起來，可以起到互補的效果。學習算法是模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化權(quán)系數(shù)的關(guān)鍵?！∧：窠?jīng)網(wǎng)絡(luò)可用于模糊回歸、模糊控制器、模糊專家系統(tǒng)、模糊譜系分析、模糊矩陣方程、通用逼近器。對于輸入數(shù)據(jù)，我們?nèi)‰`屬函數(shù)為鐘形函數(shù)，即為正態(tài)分布的函數(shù)：其中i=1,2，、n，n是輸入量的維數(shù)，j=1,2，m，m是模糊類得分割數(shù)，xij和σij分別表示隸屬函數(shù)的中心和寬度。ij。設(shè)定系統(tǒng)誤差函數(shù)為：其中，Yi和yj分別表示期望輸出和實際輸出，r為輸出量的個數(shù)。4 程序設(shè)計5 結(jié)論致謝參考文獻(1) 簡述了ANF IS的結(jié)構(gòu)、原理和學習算法,通過柴油機柱塞的故障仿真結(jié)果證明其在故障診斷上的可行性。(4) 利用Matlab模糊邏輯工具箱可對輸入數(shù)據(jù)進行先期處理,抑制仿真過程中出現(xiàn)規(guī)則“爆炸”等現(xiàn)象,操作方便,無需人工計算。參考文獻[1] ,230232[2] Ann Arbor. CMOS PLL Based on an Interpolative Oscillator. IEEE European Solid State Circuits Conferenc